Increasing access to simulation opportunities for emergent cricothyrotomy using a 3D model and positive pressure
Notice bibliographique
Résumé
BACKGROUND: Inexpensive, accessible models for simulation are essential to prepare providers to perform cricothyrotomy (CT), a rarely performed but critical procedure. We assessed a portable and inexpensive open-sourced 3D printed CT model versus a routine simulation model for training. METHODS: Residents and fellows of an academic Emergency Medicine (EM) program were randomized to complete a training session for CT with a conventional mannequin or the novel CT technique. After a two-week washout period, all participants performed a CT on an animal surrogate while EM attendings, blinded to assignment of participant training session, evaluated participants with a standardized checklist of steps of the technique. The data collected assessed the primary endpoint of successful completion of the checklist, as well as time to ventilation. RESULTS: = 0.42, consistent with noninferiority of the novel technique. For time to ventilation, Group 1 had a median time (MT) of 133 s (IQR 84-165) with Group 2 having a MT of 63 sec (IQR 53-130). CONCLUSION: Our CT training technique demonstrated non-inferiority to a conventional training mannequin with respect to success rate for learners. Furthermore, the time to ventilation was faster in the group trained with the novel model. Coupled with intrinsic economic and logistical advantages over conventional techniques, this model provides an effective means of reinforcing skill in a rare procedure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».